• AI
    前SAP全球副总裁郝旭东出任Geek+执行总裁,主管业务部门 12月4日,AI机器人公司Geek+(极智嘉)宣布重要的高管任命:前SAP全球副总裁郝旭东出任Geek+公司执行总裁,向CEO郑勇汇报。 Geek+是一家AI机器人公司,利用机器人、AI、大数据、云计算和IoT技术,提供极具智能的机器人智能物流解决方案和一站式供应链服务。Geek+致力于为物流、制造、零售等行业进行新技术赋能。 据悉,郝旭东(Michael HAO)此前担任SAP全球副总裁中国区联席总经理,领导中国区业务实现持续高速成长并推动了德国工业4.0在中国的落地与本地化创新。他在企业数字化转型领域拥有二十多年的实践经验。郝旭东将协助Geek+公司CEO郑勇制定公司发展战略,并全面负责公司的业务开展和全球化运营。 Geek+的CEO郑勇表示,“很高兴我们迎来了Michael的加入。Michael将主要负责Geek+业务部门管理,包括业务拓展的战略规划、实施等,这将更有效地加强我们前端部门的业务能力,以致力于提升客户体验及满意度。我们很高兴能将Michael的才能运用到加强业务管理中,从而提升客户价值并有效助力业务快速增长,推动Geek+走向全新的发展阶段。“ Michael表示,“ 非常荣幸能成为Geek+志同道合的合伙人!我坚信AI驱动的数字化转型是未来三五十年最大的浪潮,我大学专业就是自动驾驶,再加上二十年的行业积累,现在是天时地利人和的好机会,希望不忘初心不辱使命,三年做到世界第一,五年能打造端到端的智慧物流企业,用AI把世界变得更美好!”   原文来源:前SAP全球副总裁郝旭东出任Geek+执行总裁,主管业务部门
    AI
    2018年12月05日
  • AI
    人工智能在人力资源领域的崛起:将影响招聘和招聘的9个显著发展 The Rise Of AI In HR: Nine Notable Developments That Will Impact Recruiting And Hiring 人工智能(AI)和机器学习(ML)最近一直是新闻热点,而且有充分的理由。人工智能和ML技术正以惊人的速度发展;根据斯坦福大学(Stanford University) 2017年人工智能指数(AI Index)的年度报告,自2000年以来,开发人工智能系统的活跃美国初创企业数量增长了14倍。 许多人想知道人工智能技术的持续快速发展将如何改变企业的运营方式。特别是,人工智能可能会彻底改变和重新定义招聘和招聘过程。我们邀请了福布斯人力资源委员会的9位成员分享他们最感兴趣的与人工智能相关的发展。 福布斯人力资源委员会的成员讨论了人工智能可以给招聘和招聘带来的令人兴奋的变化。照片由个别会员提供。 1。更准确的候选人匹配 为了更好地找到合适的候选人,理解一份简历的能力应该是一种人类技能。然而,事实证明,人工智能在这方面要比经验丰富、技术娴熟的招聘人员强得多。改进这部分流程可以让招聘人员有更多时间来培训和指导求职者和招聘经理,最终改善招聘人员的经验。-卡拉·瑞福德,比彻马登 2。更具包容性的员工队伍 人工智能对招聘和招聘过程最令人兴奋的影响是,在评估求职者是否能为企业提供更多样化、更具包容性的劳动力时,消除潜意识的偏见。-雪莉·马丁,OmniTRAX 福布斯人力资源委员会是一个邀请所有行业的人力资源主管的组织。我有资格吗? 3.更少的管理任务 大多数人力资源专业人士都认识到,人工智能永远不会取代招聘中的人为因素。不过,它将减轻一些行政工作的负担,例如采购、筛选和进行初步面谈。这将使招聘经理有更多的时间与求职者建立有意义的关系,从而缩短填补空缺的时间,提高员工的留任率。- John Feldmann, Insperity 4。能够找到与现有员工技能相匹配的求职者 招聘过程中面临的最大挑战之一是,要确保人们清楚地了解和沟通该职位成功的真正要求,以便将招聘目标锁定在合适的候选人身上。可以想象,人工智能可以用来比较当前在职员工和求职者的技能和行为。- Joyce Maroney, Kronos Incorporated 5。积极的候选人选择 我很高兴看到人工智能如何帮助招聘人员提高寻找和吸引求职者的能力。鉴于目前的就业市场,招聘变得越来越主动。当他们的简历不符合你的工作描述时,寻找优秀的候选人可能会很困难,但人工智能技术可以极大地提高主动寻找过程的效率。- Steven Jiang, Hiretual 6。加速Times-To-Hire 人工智能已经改变了用人单位和人力资源公司的游戏规则,通过与求职者互动,迅速确定他们是否适合某个适合自己的职位,从而缩短了符合条件的时间和整体招聘时间。随着人工智能驱动的招聘变得越来越复杂,雇主将从更快速的招聘时间中获益匪浅。- Genine Wilson, Kelly Services 7。更好地介绍申请者 对于人工智能的招聘,我真的很兴奋。有很多机会,比如更好地了解你的求职者,了解他们希望从工作中得到什么,然后将这些机会与招聘经理的要求或要求相匹配。它为招聘过程增加了更多的价值和效率,并将使求职者的经历更加愉快。- Adam Mellor, ONE Gas, Inc.。 8。更容易的候选过滤和跟踪 筛选潜在的候选人可能是乏味和费时的。然而,我对像谷歌Hire这样的人工智能技术感到兴奋,它可以帮助招聘人员筛选出候选人,跟踪以前在贵公司申请过的候选人,并将目前的申请人与最匹配的职位匹配起来。-米歇尔·马基,斯基尔帕斯 9。工作人员预测 如果AI可能需要看数据,当公司需要雇佣——无论是通过kpi涉及生产力、卷、营业额、劳动时间等等,人力资源可以招募速度远远超过他们可以识别工作时当有多少新雇佣的人。通过让团队返回当前用于决定是否、何时以及应该雇佣多少人的时间,人工智能将简化流程。- Sarah O 'Neill - SHRM-SCP, Humano LLC   以上来自福布斯网站,由AI翻译,HRTech会员推荐: https://www.forbes.com/sites/forbeshumanresourcescouncil/2018/11/28/the-rise-of-ai-in-hr-nine-notable-developments-that-will-impact-recruiting-and-hiring/#3c2f43844ced
    AI
    2018年11月30日
  • AI
    AI如何帮助吸引人才 文/Andres Richter 通过自动化日常工作,实现灵活性并提高会议效率,AI可以提高员工满意度,提高员工保留率并吸引人才。 不久前,您可以通过提供有竞争力的薪水和奖金来招聘候选人。然而,今天的员工希望工作具有战略性,有趣性和充实性,同时使他们能够随时随地工作,以追求他们的其他个人兴趣。 灵活性是第一要务 根据德勤最近的一项调查,灵活的工作选择是提高员工敬业度的最重要力量,其次是自动化提高生产力的潜在好处。 千禧一代希望通过较少的通勤时间来避免时段的交通,以便更好地利用他们的时间并消耗更少的化石燃料。他们希望减少不必要的,重复的或平凡的工作,能够满足他们的工作要求,并且仍有空闲时间沉迷于他们的兴趣和爱好。此外,人们期望在必要时,他们可以缩短工作时间以获得更好的工作与生活平衡。 缺乏手动和过时业务流程的雇主可能会落后并失去可为公司建立强大未来的员工。 使用人工智能简化业务流程 为了继续招聘和留住优质员工,公司必须利用技术来满足千禧一代对工作场所高质量生活的需求。 随着机器学习和机器人的引入,许多占用大量工时的管理任务变得完全自动化。技术为会计,采购和财务提供了更高的效率,有助于使任务更具战略性。 我们调查了 650个业务决策者,包括各行各业的高级经理,C级和业务所有者,以了解哪些业务流程阻碍了他们,以及浪费时间。调查结果显示,百分之五十五的C级管理人员每周浪费5-10个小时处理行政任务。30%的受访者希望他们可以将更多时间花在战略和规划上。 呼叫中心代理已经使用它来推荐客户问题的答案并制作追加销售和交叉销售建议,充当AI代理商的聊天机器人可以帮助自动化每年大多数企业用于追踪发票异常,差异和错误的时间。 AI代理商还可以代表买方运营以定位潜在交易,并根据参数集和市场条件自动匿名协商最佳条款。签订合同后,如果错过成本,质量或交付KPI,业务管理系统将监控供应商绩效并请求纠正措施。如果供应商没有回应,人类只需要参与。 Bots还可以自动执行月度,季度和年终流程,比较各个独立系统之间的帐户余额,并验证报表和报告的准确性。利用机器学习,机器人将从不同的人类输入中学习,以做出更好的判断,并适应不同会计专业人员的行为模式。 人工智能在会议室 虚拟助手可以消除为多个参与者找到方便时间而经常需要的时间。通过访问电话会议号码,电话号码和Skype地址,AI可以比单个人更快,更高效地联系人。AI可用于安排会议室而非人员,无需为每位员工预留办公空间。工作人员只有在召集会议时才能临时分配到办公室,而不是使用员工徽章。 人工智能也可用于提高会议效率,这是每家公司的目标。微软推出了一款具有强大麦克风阵列的360度摄像头,该阵列使用面部识别来扫描房间并识别会议参与者。麦克风拾取扬声器的声音,然后使用Microsoft的AI软件实时转录会议中的每个单词。这些详细的交易可用于管理行动,并为更好的决策制定建立共识。 人工智能的生态系统 人工智能不是一个独立工作的岛屿。要利用AI功能,需要在不同部门,供应商,合作伙伴和在不同地点和移动中工作的员工之间自由流动数据。具有嵌入式AI功能的ERP等普及系统可以帮助员工实现更智能的工作效率,而不是更加努力工作,更好地平衡工作与生活。   以上为AI翻译,内容仅供参考。 原文链接:How AI Can Help Attract Talent
    AI
    2018年11月29日
  • AI
    Forrester报告:2019年企业将缩减人工智能的规模 文/VASCO PEDRO,UNBABEL 上周,Forrester发布了两份关于人工智能的调查报告——《2019年预测:自动化》和《2019年预测:人工智能》。引人注目的是一个没有企业真正愿意承认的统计数据:2019年,整整10%的公司将把人类的专业知识带回人工智能领域,这一趋势将在很大程度上归因于人工智能的局限性。 让我们明确一点:我说的是商业上的人工智能驱动的自动化,而不是人工智能的进步,比如拯救生命。没有人认为人工智能在医疗保健和检测图像中癌细胞的训练算法上的标记值得后退一步。最好让机器里的医生继续工作。 但说到商业,Forrester揭示了一些残酷的事实。没有哪个企业愿意承认自己的人工智能出现了问题,而作为一个人工智能驱动解决方案组织的商业领袖,我对任何一家经历过人工智能“后果”的公司都感到好奇。然而,人工智能的退步数据并不令人惊讶,尤其是当你从客户服务的角度来看人工智能时。 是时候抑制AI的热情了? Forrester的报告令人惊讶的是,只有10%的公司明显在放弃人工智能。考虑到大量的公司正在自动化错误的事情,以及其他对人工智能完全不切实际的期望,我预计50%的受访者计划在2019年后退一步,把一些非常需要的人性带回循环。 公司开始超越人工智能的规模经济,意识到调查揭示的一些残酷事实;也就是说,自动化是伟大的,但实际上,只有当它使您更接近您的客户,它才伟大。如果人工智能正在取代服务台上的人工智能或在线聊天工具上的人工智能,那么在客户服务和满意度方面,你就会陷入连败的境地。 真相和证据都在外面,它告诉我们大多数人都喜欢与人接触。我们已经相互交流了几千年了,事实证明,客户服务是我们期待人类专家参与的一个领域。 这一主张经得起推敲。看看哈佛商学院(Harvard Business School)的莱恩·w·布尔(Ryan W. Buell)过去10年对自动化的广泛研究吧。他已经证明,使用atm机的客户比真人柜员机的客户对银行的满意度要低,他在大都会人寿保险公司(Metlife)的自动电话吊唁信息中标注的“死亡相关保险客户索赔”,无疑是一个危险信号,表明同情不应被归入人工智能。 自动化 也许我们能从这项研究中得到的最大教训是,在大多数情况下,人类不应该被完全排除在人工智能的圈子之外。我们需要以一种表明我们了解客户真正想要什么的方式为人们实现自动化,并以一种使用自动化来促进客户支持过程的方式实现自动化。 在人工智能和人类之间取得正确的平衡通常意味着使用自动化作为第一反应线。这吸引了绝大多数的客户,他们会尝试(甚至更喜欢)在联系现场代表之前自己解决问题。只要总是有切换到实时代表的选项,大多数企业都会发现这是自动化和人际接触之间的有效平衡。 这方面的一个很好的例子是自动化,它可以检测到用户在旅途中的任何一步都有重复出现的困难,并通过人工客户支持代理触发一个聊天窗口。另一个例子是自动化收集和交付客户信息给客户支持代理在联系开始前,以便实际的对话是知情的和个性化的。 它是关于使用自动化来帮助你的客户在他们需要的时候获得最好的,最快的,最个性化的客户支持。 2019年即将到来,这项研究的时机很好地提醒了我们,人工智能的到来是为了让我们能够自由地与客户进行良好的对话——不是简单直接的东西,而是最终建立和推动品牌忠诚度的真正问题。如果我们能让人类参与其中,并利用人工智能提高客户支持操作的效率,我们就能关注人工智能的潜力,而不是它的局限性。   以上为AI翻译,内容仅供参考。 原文链接:Businesses will scale back on AI in 2019
    AI
    2018年11月13日
  • AI
    数据成本是否扼杀了您的AI启动计划? 数据为AI初创公司提供了防御性的护城河:初创公司收集的用于培训AI模型的数据越多,该模型的表现就越好,新的参赛者难以赶上。然而,这些数据并非免费提供,许多人工智能初创公司认为他们的利润受到这笔额外费用的侵蚀。随着时间的推移,您可能希望减少对数据的投入,但目前尚不清楚如何预测何时会发生这种情况以及在何种程度上预测未来增长的模型。 与软件初创公司不同的是,产品开发埋藏在损益表中的研发成本之下,AI初创公司应将数据成本作为销售成本(COGS)的一部分。将数据视为COGS而非研发成本将有助于您发现扩大规模并降低成本的机会,从而提高利润率。 下面的数据价值链流程图显示了大多数AI初创公司如何获取和使用数据。首先,您将基础事实的片段记录为原始数据。您将原始数据存储在某处,然后建立流程或管道以维护和访问它。在AI模型中使用它之前,需要对数据进行注释,以便模型知道如何处理每个数据点。然后,训练有素的模型接收数据并返回推荐,然后您可以使用该推荐来为最终用户采取某种结果。该过程可以分为三个不同的步骤:获取数据,存储数据和注释数据以训练模型。每一步都会产生成本。 数据采集​​成本 在所有数据价值链中,某种传感器(物理设备或人类)首先需要通过捕获对现实的观察来收集原始数据。在这种情况下,数据采集的成本来自创建,分配和操作传感器。如果传感器是硬件,则必须考虑材料和制造成本; 如果传感器是人类,那么成本来自于招募并为他们提供制作和记录观察所需的工具。根据您的覆盖范围需要多大,您可能需要支付大量费用来分发传感器。某些用例可能需要以高频率收集的数据,这也可能会增加人工和维护成本。例如,观众测量公司尼尔森,面临所有这些成本,因为它既提供了框,也支付参与者报告他们在电视上观看的内容。在这种情况下,随着尼尔森的数据变得越来越有价值,其覆盖范围越广泛,规模经济就会降低单位数据采购成本。 在某些使用案例中,您可以通过向他们提供管理工作流程的工具(例如,自动电子邮件响应生成器),然后将他们捕获的数据存储在他们的工作流程中,将数据采集的工作和成本转移给最终用户。工作或观察他们与工具的交互并将其记录为数据。如果您选择免费分发这些工具,数据采集的成本将是客户获取工作的成本。或者,您可以选择为工作流工具收费,这可能会减慢和限制客户采用率,从而减少数据采集,同时抵消数据采集成本,具体取决于您的价格。 例如,我公司的一家投资组合公司InsideSales为销售代表提供了一个平台,可以拨打他们的潜在客户。当销售代表使用该平台时,它会记录有关交互的时间,模式和其他元数据,以及该销售渠道中的销售线索是否进展。该数据用于训练AI模型以推荐最佳时间和通信模式以联系类似的线索。这里,随着越来越多的用户进入平台,网络效应可能会增加工具的实用性,这可能会降低用户获取成本。 或者,在另一个实体已经建立数据收集管道的情况下确保战略合作伙伴关系可以进一步降低成本。我们的另一家公司Tractable采用计算机视觉实现汽车保险调节器的自动化工作,正在与几家领先的汽车保险公司合作,以获取受损车辆的图像,而无需投资向个别车主分发应用程序。 存储和管理成本 在数据存储和访问方面,初创公司面临另一个成本问题。除了您收集的数据之外,您可能还需要客户提供其他上下文数据以丰富您的模型。许多行业最近才开始数字化,因此即使潜在客户拥有丰富模型所需的数据,也不要认为数据易于访问。为了使用它,您可能不得不花费大量人力来进行低利润率的数据准备。 此外,如果数据分布在不同的系统和孤岛中,您可能需要花费大量时间来构建每个集成,然后才能使模型完全正常运行。一些行业围绕单片和特殊技术堆栈构建,使得集成很难在客户之间重用。如果集成服务提供商不可用,那么您的AI启动可能会发现自己陷入了为每个新客户构建自定义集成之前,它可以部署其AI系统。数据结构的方式也可能因客户而异,要求AI工程师花费额外的时间来规范数据或将其转换为标准化模式,以便可以应用AI模型。建立一个通用集成库可以降低成本,因为您可以在新客户中重复使用它们。 培训费用 大多数AI模型构建方法都要求您标记和注释数据,这是AI初创公司最大和最可变的成本之一。如果示例很简单或通常被理解为足以使外行人能够执行注释 - 例如,在图片中的所有苹果周围绘制一个框 - 您可以使用外包劳务服务(例如Mechanical Turk或图8)来执行注释。 然而,有时候,注释需要更专业的知识和经验,例如基于视觉线索确定苹果的质量和成熟度,或者石油钻井平台上的生锈斑块是否危险。对于这种更专业的劳动力,您可能需要建立一个内部专家注释团队并支付更高的工资。根据您的注释方式,您可能还需要构建自己的注释工作流工具,尽管像Labelbox这样的公司现在正在出现提供此类工具。 在某些AI应用程序中,最终用户是最有效的注释器,您可以通过设计产品来卸载注释成本,以便用户在数据与产品交互时标记数据。Constructor是我们的投资组合公司,提供针对电子商务的人工智能网站搜索,观察用户实际点击并购买每个搜索词的产品,使他们能够优化搜索结果以获得更高的销售额。这种注释不可能通过外包或专家搜索服务进行人工操作,并且可以保存Constructor,否则可能是重要的注释成本。 即使在您以高精度训练模型之后,当模型不确定如何解释新输入时,您偶尔也需要人类进行干预。根据模型如何为最终用户提供价值,该用户自己可以对模型进行更正或注释,或者您的创业公司可以通过采用质量控制“AI保姆”来处理异常。如果环境是您的建模是易变的并且以高速和常规速率变化,您可能希望保持稳定状态的注释器团队以根据需要使用新数据更新模型。 扩展AI业务 第一批成功的人工智能企业进入市场,提供无AI工作流程工具,以捕获最终培训AI模型并增强工具价值的数据。这些创业公司早期就能够实现软件利润,因为数据和人工智能是创业公司价值主张的次要因素。然而,随着我们转向人工智能的更专业应用,下一波人工智能创业公司将面临更高的启动成本,并需要更多的人力资源来为客户提供初始价值,使其成为低利润率的服务业务。 获得大量客户和数据将最终降低单位经济效益并构建关键的复合防御能力,但许多初创公司并不确切知道这一点到底有多远,以及他们需要做些什么来更快地实现目标。最好的人工智能初创公司将了解哪些杠杆可以在该途径上进行优化,并有意识地使用它们来进行正确的投资并快速扩展。   以上为AI翻译,内容仅供参考。 原文来源:Could data costs kill your AI startup?  
    AI
    2018年11月11日
  • AI
    JOSH BERSIN:人工智能招聘来临,面试会像恐龙一样消失吗? 文/JOSHBERSIN 公司做的最重要的事情之一就是雇人,这仍然是一门神秘的艺术。大多数公司会看求职者的工作经历,他们会打电话给推荐人,给他们做测试,然后带他们去面试。尽管如此,人力资源主管告诉我,他们仍然有25%的几率会犯错误。 为什么?如今,成功的标准是由认知能力、文化契合度以及求职者与公司抱负之间的契合度决定的。德勤(Deloitte)今年早些时候在Bersin完成的一项研究发现,业绩最好的公司在选择时使用这些“非简历”因素的可能性要高出90%,更能证明招聘变得多么复杂。 这种趋势越来越明显。大多数关于未来工作的研究显示,对个人沟通能力、创造性解决问题的能力以及通常被称为学习敏捷性(即求职者的学习能力和学习意愿)的需求在稳步增长。这些都是在你的大学背景,GPA,甚至工作经历中看不到的。 事实证明人工智能非常适合这个问题。供应商现在正成功地应用智能算法来创建测试、模拟,甚至分析视频求职面试,以提高招聘效率。而其中一些评估可能会扰乱市场中的一些重要力量。 这里有一些例子。 由哈佛大学(Harvard)和麻省理工学院(MIT)的神经科学家弗里达•波利(Frida Polli)创办的Pymetrics公司发展迅速。该公司开发了一系列认知和神经学测试,这些测试既有趣又容易进行,但在工程、销售和客户服务等方面具有直接的统计相关性。通过这些测试,该技术可以评估多达90种不同的性格特征,实际上消除了招聘中的偏见和歧视。联合利华(Unilever)、凯悦(Hyatt)、埃森哲(Accenture)和特斯拉(Tesla)等公司都对这一系统深信不疑,它们和其他公司几乎不需要看简历和教育背景就能招聘到这些职位的顶级候选人。 Pymetrics公司甚至通过共享算法审计工具,开放了他们的工具,以减少前瞻性偏差。他们理解在这些系统中减少偏见的巨大挑战,因为大多数培训数据是基于先前的雇佣成功。该公司最近获得了4000万美元的额外资金,其中包括Workday的投资者之一。 资金充裕的Imbellus公司刚刚宣布了一项1450万美元的融资计划,以帮助其继续开发基于模拟的评估系统,该系统目前被麦肯锡用来评估新员工的问题解决方案。我试过这些模拟测试,它们相当令人费解,也很有趣,它们显然测试了复杂的思维方式,远远超出了典型的SAT或其他测试。首席执行官丽贝卡•坎塔尔(Rebecca Kantar)专注于取代日益老化和过时的SAT考试(这是一个近10亿美元的市场),以改变公司招聘方式,从而改变大学评估优秀学生的方式。 HireVue是视频面试领域的先驱之一,现在每一分钟视频都能捕捉到100多万个关于求职者的有意义的数据元素,还能告诉经理求职者在回答问题时的诚实和自信。他们也有喜欢这项技术的客户,特别是在零售、客户服务和酒店领域的大量招聘。希尔顿的招聘多样性增加了16%,使用这项技术的效率大大提高。该公司目前拥有600多名客户,并提供了500多万次视频采访。 另一家由印度工程师创立、资金雄厚的公司PhenomPeople,已经彻底改造了招聘流程,将重点放在端到端营销上。招聘、招聘、内部职业流动和管理评估都是相互关联的,因此PhenomPeople决定建立一个看起来像职业门户的招聘系统。现在人工智能增强了这种能力,让招聘人员比以往更容易找到合适的人;候选人沟通是营销人员瞄准广告的方式;并跟踪候选人(内部和外部)的行为,以帮助个性化的求职体验。他们称之为人才关系管理(TRM),这是一种很好的描述方式。 当然,LinkedIn刚刚宣布了一系列新的基于人工智能的就业安置和搜索工具,以及它自己的求职者跟踪系统。LinkedIn的新工具可以让招聘人员更有效地找到合适的候选人,写出最有可能找到合适候选人的工作描述,现在提供了大量的数据,以帮助定位合适的人口、地点、经验和其他特征。所有这些都是为了消除这个错误的过程,让很多人来面试。 一个名为Orderboard的新公司。人工智能主要关注最抢手的工作(网络安全专家、人工智能工程师等),它不仅能评估能力和职位匹配度,还能将个人与被聘用团队的实际构成匹配起来。Orderboard公司的人工智能能够帮助招聘人员将他们所能找到的候选人的质量提高一倍以上,而且它的“吸引力算法”使公司几乎增加了50%的可能性,难以找到的候选人会接受电话或考虑一个职位。 此外,人工智能还有一个巨大的机会来改善筛选。像Mya(这一领域的先驱)、Olivia、Myra、IBM Watson招聘人员以及一个名为Yva的令人兴奋的聊天机器人正变得越来越聪明。我看过很多这样的工具,它们积累了越来越多关于候选人问的问题类型的情报,现在可以帮助招聘人员花更多的时间寻找和推销候选人,减少筛选的时间。 (聊天机器人市场非常庞大,供应商们应该开始关注应用领域。要确保你和供应商的谈话集中在招聘上,而不是一般的聊天。) 在人工智能和认知技术为人力资源增值的所有潜在领域中,这可能是最大的。虽然这项技术还很年轻,但成功的故事现在已经很普遍了,所以我认为每个公司都应该在他们要做的事情清单上确定基于人工智能的评估。 当然,所有这一切的风险在于人工智能以某种方式给系统引入了偏见,因此这些供应商正在努力确保他们的系统是公正、透明和安全的。在大多数情况下,公司会首先对这些系统进行测试,以确保这些算法不会无意中再现面试中的“人性化”偏见。 Facebook在这方面遇到了麻烦,因为其基于算法的招聘广告系统使得招聘人员可以根据年龄进行歧视。因此,您必须确保供应商精通这些问题。 对于求职者来说,我知道这有点残酷,但请记住,没有雇主愿意招错人。这些工具也会让你的生活变得更轻松,因为你不会觉得需要在面试中度过美好的一天来得到适合自己的工作。 我将继续观察这个空间的增长,但现在我非常乐观。(我追踪了1400多家人力资源科技公司,其中40多家专注于人工智能评估,这是最大的增长类别之一。) 作为一名分析师,我对评估领域进行了多年的研究,在这里我看到了价值的显著变化——由于招聘是我们作为领导者所做的最重要的事情,这是人力资源技术能够真正帮助一家公司超越的领域。   以上为AI翻译,内容仅供参考。 原文链接:AI Comes To Recruiting: Will Interviews Go The Way Of The Dinosaur?
    AI
    2018年11月03日
  • AI
    评估技术开发商Imbellus宣布获得1450万美元 A轮融资,目前已筹集2300万美元 据美通社2018年10月31日报道,基于模拟的评估技术开发商Imbellus宣布结束由Owl Ventures领导的1450万美元 A轮融资。该公司目前的总资金达到2300万美元,包括Upfront Ventures和Thrive Capital在内的先前投资者与Rethink Education一起参与了此次投资。 “Imbellus团队的成就代表了改善教育与就业生态系统评估的独特机会,” Owl Ventures的Ashley Bittner说。“这项工作对K-12系统的未来产生了影响。它是关于实现一种专注于解决问题,系统思考和创造力等技能的教育范式。” Imbellus不是将评估映射到大学的学术要求,而是与以创造力或解决问题等技能而闻名的组织合作,研究这些技能在现实世界中的应用。然后,Imbellus将观察到的技能和属性转化为学习科学和心理测量学的语言,以设计复杂的挑战,通过抽象的,基于模拟的评估将问题解决背景带入生活。 “我们正在努力将内容掌握与对潜在认知技能和能力的评估脱钩,以便不仅了解人们所知道的内容,还了解他们的思考方式,” Imbellus的创始人兼首席执行官Rebecca Kantar说。“我们的长期目标是重新定位教育系统,培养提出正确问题的思想,想象下一个要解决的问题,以及驾驭复杂系统。这是为了让所有学生都能做好公共教育的承诺,而不仅仅是对于最富有的10%。“ 自2016年推出以来,Imbellus的学习科学家,游戏开发人员,AI / ML工程师和心理测量学家团队与评估和评估最前沿的研究人员合作,包括国家评估,标准和学生测试研究中心(CRESST) )在加州大学洛杉矶分校。 “在我们发现自己陷入前所未有的混乱中,理解并准确衡量个人解决问题的无数方式对于更好地将人们与工作相匹配将变得越来越重要。在麦肯锡,了解人们如何思考对我们来说一直很重要,而不仅仅是他们所知道的,“ Keith McNulty说麦肯锡公司数字与人力分析总监,自2017年起与Imbellus合作,将其数字化,基于情景的评估作为招聘和招聘流程的一部分进行试点。“Imbellus”技术正在帮助我们将案例研究访谈的原则扩展到更广泛的人才,提供引人入胜的体验,使他们能够解决我们所解决的问题,同时向我们提供有关他们如何思考的准确而详细的信息关于问题。“ Imbellus评估不是评估内容知识和有限的学习技能,而是利用自然世界模拟环境中的多步骤丰富场景。与专注于工作记忆,处理速度或思维流动性的智商测试或神经科学游戏不同,Imbellus评估旨在量化将人类智能与机器智能区分开来的技能,例如批判性思维,决策制定和元认知。 。 支持Imbellus评估的技术平台通过使用虚拟世界来防止作弊和黑客攻击,该虚拟世界利用AI为测试者生成不断变化的场景,以完成任务,具有可靠的可比性。   以上为AI翻译,内容仅供参考。 原文链接:Imbellus Raises $23 million to Take on the Testing Establishment
    AI
    2018年11月03日
  • AI
    Eightfold使用AI为求职者匹配空缺职位 文/KYLE WIGGERS 招聘人员很难; 找一个合格的求职者并不容易。根据美国劳工统计局的数据,在医疗保健和金融服务等行业,平均招聘时间超过49天。招聘费用很高 - 单个职位的费用高达4,129美元。 这就是Eightfold的用武之地。今天的初创公司在其职业发现平台 - 个性化职业网站 - 中添加了一个新产品,该平台利用人工智能(AI)来解决所谓的人才缺口。 首席执行官兼联合创始人Ashutosh Garg在接受VentureBeat采访时解释说,大多数工作地点的问题是他们没有考虑到候选人的相关工作经验,技能,角色和教育背景。同时,在这个等式的雇佣方面,他们经常会阻碍那些分享,推广和候选人分类工具不足的公司。 “糟糕的职业网站和职位描述阻碍了申请过程,因为他们没有吸引合格的人才,更糟糕的是 - 劝阻不同的候选人,”加格说。“由于任何特定组织内的机会过剩,大多数候选人表示,求职中最艰难的一步就是找到合适的角色。” Eightfold带来了由领先的AI研究人员设计的高度个性化,机器学习驱动的工作匹配引擎(Eightfold的数据科学家在他们的名字上有6,000多项研究引用和80多项搜索和个性化专利。)职业网站有候选人创建个人资料并上传(或链接到)简历,Eightfold的专有匹配算法解析上下文信息。求职者可获得公司最适合的职位列表,以及对其技能的相关性评估。 实际上,个性化职业网站可以判断一个人在提交申请之前是否可能被考虑担任该职位。 Eightfold的AI应用并不止于此。它的聊天机器人可以使候选人有资格,收集简历,并回答有关技能,工作适应性,福利和文化的问题。除了使用人工智能之外,这家创业公司还从拥挤的工作现场竞争对手中脱颖而出,拥有SEO优化的工作页面,一键式申请流程,并支持公司简介上的自定义内容 - 包括视频。 Garg声称,它减少了80%的采访时间,同时降低了雇用成本。 “在Eightfold中,我们将焦点从模糊的要求列表转移到候选人最关心的内容 - 他们将要做的工作,他们将与之合作的人以及他们获得工作的可能性,”他补充说。 。“无论候选人是否最终被聘用,具有申请公司工作积极经验的候选人更有可能购买其产品,并建议其他人申请在那里工作。”   以上为AI翻译,内容仅供参考。 原文链接:Eightfold uses AI to match job seekers with open positions
    AI
    2018年11月03日
  • AI
    ZipRecruiter的Job Seeker Profiles使用AI来改善候选人匹配 据外媒报道本周二,在线就业平台ZipRecruiter公布了Job Seeker Profiles,这是ZipRecruiter针对iOS和Android的移动应用程序提供的新功能,它会提示求职者输入他们可能漏掉的信息,并利用人工智能(AI)的力量,从上传的简历中自动提取相关数据。 该公司表示,已有超过900万用户安装了iOS和Android应用程序,70%的用户在搜索新的工作机会时使用移动设备。 ZipRecruiter联合创始人兼首席执行官伊恩•西格尔(Ian Siegel)表示:“我们推出Profiles是为了帮助求职者讲述他们的故事。”“工作,以及人们寻找工作的方式,正在发生变化……通过个人资料,我们开发了一种灵活、智能的产品,最大限度地增加了他们找到合适雇主的机会,反之亦然,从而大大缩短了招聘时间。” Profiles就像一个简短的应用程序。他们的摘要包括技能,认证,期望薪水和职业目标,所有这些都可以通过简历手动输入或生成。但是它们也有一个智能层 - 配置文件提醒用户缺少信息并建议添加和增强功能。 信息求职者提供ZipRecruiter的人工智能匹配算法,提高候选人和潜在雇主的匹配质量和数量。 ZipRecruiter说,求职者的申请通常会在48小时内被浏览,80%的雇主会在第一天结束前找到一个合格的求职者。在2018年第一季度,每月有超过100万的候选人注册,大约750万的活跃职位列表。 在ZipRecruiter融资1.56亿美元之后(迄今为止,该公司已筹集了2.19亿美元资金),该公司推出了Job Seeker Profiles。这家成立8年的公司是美国最受欢迎的就业平台之一,该公司说,它已经帮助150多万家企业找到了员工,并收到了4.3亿份申请。 ZipRecruiter最近在人工智能上投入了大量资金。它使用机器学习通知潜在的新工作的员工清单通过电子邮件和短信(超过6400万仅通过电子邮件),并在6月推出一个AI工具——Candidate Calibration ——在其中向候选人提供工作岗位根据招聘人员的信号,每月1000万用户的数据库。 ZipRecruiter目前有200名工程师在开发人工智能的候选匹配和搜索解决方案,其中50名工程师在位于特拉维夫的新研发中心工作。 该公司在美国各地办公室的员工总数超过1000人(4年前约为150人)、英国和以色列。包括福特(Ford)、Netflix、富国银行(Wells Fargo)和汉堡王(Burger King)在内的150多万家公司都在使用该公司的招聘软件。   以上为AI翻译,内容仅供参考。 相关阅读: 美国求职平台ZipRecruiter完成6300万美元A轮融资 实现大规模盈利,招聘平台ZipRecruiter在低调中获得成功 原文链接:ZipRecruiter’s Job Seeker Profiles uses AI to improve candidate matches
    AI
    2018年10月24日
  • AI
    甲骨文云业务大打人工智能与安全牌,目标直指亚马逊 近年来甲骨文积极从传统软件公司转型为云服务提供商。 甲骨文在云服务领域的动作正不断深化。 北京时间10月23日,在由数据库巨头甲骨文举办的OpenWorld大会上,甲骨文公司推出一系列云产品更新,为包括企业资源规划(ERP)云和企业绩效管理(EPM)云,人力资本管理(HCM)云和数据云在内的云产品加入更多人工智能(AI)能力,并扩展其SaaS产品功能,增加了订阅管理服务。 甲骨文试图借助AI技术,为企业提供更“聪明”的产品。该公司应用产品研发执行副总裁Steve Miranda称,过去企业都是采用预编程方法,预先设置流程,有了机器学习技术后,一旦发现非寻常交易/流程,可以分析后直接分配给专项负责人员,提高效率。此外,包括人力资本管理方面,智能化的定制化推荐也具有重要意义,可帮助招聘团队缩短招聘周期,寻找最合适的求职者,并降低员工离职率。 在面向媒体和分析师开放的Demo环节,甲骨文展示了其AI技术在共享单车领域的应用,基于甲骨文的存储云、分析云,通过机器学习共享单车历史使用数据,并结合天气、事件日程等因素后,给出共享单车投放建议,解决供需问题。 这也是甲骨文将其企业级产品结合AI,逐步智能化的延续。2016年OpenWorld大会时,甲骨文正式提出其AI战略,其后在去年同一时间的OpenWorld大会中,甲骨文宣布在既有的云端产品线中整合AI技术,强化云端产品的功能,并称之为调适型智能App服务(Adaptive Intelligent App),旗下ERP、HCM、供应链管理云和客户体验云四大云产品首先加入。 区块链作为大会主题之一也得到展示。船运管理软件公司货讯通与甲骨文合作,推出货运文档区块链解决方案,提升供应链流程的效率。基于此合作,可保证货运文档可靠且可追溯,简化运输文档流程。 在主题演讲环节,甲骨文公司董事长兼首席技术官拉里·埃里森(Larry Ellison)介绍了网络防御的现状,并依旧对其云服务市场的最大竞争者亚马逊AWS发起攻击,他表示,“目前的网络防御还不够好”。为了解决这一问题,协助企业应对安全威胁,他宣布推出具备探测和预测能力的Oracle云基础设施安全服务更新。 考虑到云服务厂商近期安全事故频频,这一举动颇有针对性。 而甲骨文与亚马逊的关系,也随着双方在云计算领域的进一步布局使其竞争逐渐白热化。据CNBC报道,亚马逊计划于2020年初完全弃用甲骨文数据库技术,而埃里森回应称,亚马逊仍无法弃用甲骨文数据库。 但CNBC今日获得的一份亚马逊内部报告印证了埃里森的观点。报告显示,在亚马逊会员日(Prime Day)期间,可能因数据库原因,该公司电商网站出现了导致销售放缓的重大故障,数千个包裹延迟交付。一定程度上证明了甲骨文在数据库技术方面比亚马逊自有数据库产品更为稳定有效。 近年来甲骨文积极从传统软件公司转型为云服务提供商。9月公布的甲骨文财报显示,在截至8月31日的2019财年第一财季,其云服务和许可证支持部门的收入为66.1亿美元,比上年增长3.2%,低于FactSet调查中分析师预期的66.8亿美元。甲骨文若想依靠云服务跑赢亚马逊,显然需要进一步扩大市场规模。 相关阅读: Oracle推出Subscription Management和CX Unity,并对HCM Cloud和Data Cloud进行更新 甲骨文宣布收购企业数据库创企DataFox,用AI强化商业数据分析 甲骨文16亿美元收购Aconex 增强云计算业务 原文来源:甲骨文云业务大打人工智能与安全牌,目标直指亚马逊
    AI
    2018年10月24日